Ejercicios resueltos paso a paso de Métodos Cuantitativos

En un mundo empresarial cada vez más complejo y competitivo, tomar decisiones inteligentes y fundamentadas es fundamental para el éxito de cualquier organización. Afortunadamente, existen métodos cuantitativos que nos ayudan a analizar y resolver problemas de manera más efectiva. Estos métodos utilizan herramientas matemáticas y estadísticas para evaluar opciones y tomar decisiones basadas en datos concretos.

Los "métodos cuantitativos para la toma de decisiones" se han convertido en una de las herramientas más importantes para los gerentes y profesionales de cualquier sector. Estos métodos permiten evaluar de manera objetiva y racional diferentes alternativas y seleccionar la mejor opción en función de los objetivos y restricciones establecidos. También ayudan a optimizar recursos, minimizar costos y maximizar beneficios.

Ejercicios resueltos de programación lineal

La programación lineal es una técnica ampliamente utilizada en la toma de decisiones empresariales. Se basa en la optimización de una función lineal sujeta a un conjunto de restricciones lineales. A través de la resolución de problemas de programación lineal, podemos encontrar la combinación óptima de variables para maximizar o minimizar un objetivo dado.

Ejercicio 1: Una empresa de fabricación de muebles produce dos tipos de muebles: sillas y mesas. Cada silla requiere 3 metros de tela y 2 horas de mano de obra, mientras que cada mesa requiere 5 metros de tela y 4 horas de mano de obra. La empresa tiene un total de 250 metros de tela y 200 horas de mano de obra disponibles por semana. El beneficio por silla es de $100 y por mesa es de $150. ¿Cuántas sillas y mesas debe producir la empresa para maximizar sus ganancias?

Solución: Sea x la cantidad de sillas a producir y y la cantidad de mesas a producir. Nuestro objetivo es maximizar la función de beneficio Z = 100x + 150y sujeta a las siguientes restricciones:
- 3x + 5y ≤ 250 (restricción de tela)
- 2x + 4y ≤ 200 (restricción de mano de obra)
- x ≥ 0, y ≥ 0 (no se pueden producir cantidades negativas)

Al resolver este problema de programación lineal, encontramos que la empresa debe producir 50 sillas y 30 mesas para maximizar sus ganancias.

Ejercicio 2:

Una empresa de logística tiene tres almacenes para distribuir productos a diferentes tiendas. El costo de transporte por unidad para cada almacén a cada tienda se muestra en la siguiente tabla:

La empresa tiene una demanda semanal de 100 unidades para la tienda 1, 150 unidades para la tienda 2 y 200 unidades para la tienda 3. Además, cada almacén tiene una capacidad de 250 unidades por semana. ¿Cómo debe distribuir la empresa sus productos para minimizar los costos de transporte?

Solución: Sea x_ij la cantidad de unidades a transportar desde el almacén i a la tienda j. Nuestro objetivo es minimizar la función de costo de transporte Z = 10x₁₁ + 12x₁₂ + 15x₁₃ + 8x₂₁ + 9x₂₂ + 11x₂₃ + 13x₃₁ + 7x₃₂ + 10x₃₃ sujeta a las siguientes restricciones:
- x₁₁ + x₁₂ + x₁₃ ≤ 100 (demanda de la tienda 1)
- x₂₁ + x₂₂ + x₂₃ ≤ 150 (demanda de la tienda 2)
- x₃₁ + x₃₂ + x₃₃ ≤ 200 (demanda de la tienda 3)
- x₁₁ + x₂₁ + x₃₁ ≤ 250 (capacidad del almacén 1)
- x₁₂ + x₂₂ + x₃₂ ≤ 250 (capacidad del almacén 2)
- x₁₃ + x₂₃ + x₃₃ ≤ 250 (capacidad del almacén 3)
- x_ij ≥ 0 (no se pueden transportar cantidades negativas)

Al resolver este problema de programación lineal, encontramos que la empresa debe transportar 100 unidades desde el almacén 1 a la tienda 3, 150 unidades desde el almacén 2 a la tienda 1 y 50 unidades desde el almacén 3 a la tienda 2 para minimizar los costos de transporte.

Ejercicios prácticos de teoría de juegos

La teoría de juegos es una rama de los métodos cuantitativos que estudia las interacciones estratégicas entre diferentes jugadores. En este contexto, un juego se define como una situación en la que varios jugadores toman decisiones independientes y buscan optimizar sus resultados en función de las decisiones de los demás jugadores.

Ejercicio 1: Dos empresas, A y B, pueden fabricar un producto similar. Cada empresa puede decidir si producir una gran cantidad de productos a bajo costo o una cantidad menor de productos a un precio más alto. Los posibles resultados se muestran en la siguiente tabla:

Cada número en la tabla representa los beneficios que obtiene la empresa A y la empresa B en cada escenario. ¿Cuál es la mejor estrategia para cada empresa?

Solución: Para determinar la mejor estrategia para cada empresa, primero debemos analizar las posibles combinaciones de estrategias. Si A elige baja producción y B elige baja producción, obtienen un beneficio de 5 cada uno. Si A elige baja producción y B elige alta producción, A obtiene un beneficio de 2 y B obtiene un beneficio de 10. Si A elige alta producción y B elige baja producción, A obtiene un beneficio de 3 y B obtiene un beneficio de 7. Finalmente, si A elige alta producción y B elige alta producción, A obtiene un beneficio de 1 y B obtiene un beneficio de 8.

Analizando estos resultados, podemos ver que la estrategia dominante para A es elegir baja producción y la estrategia dominante para B es elegir alta producción. Por lo tanto, la mejor estrategia para A es elegir baja producción y la mejor estrategia para B es elegir alta producción.

Ejercicio 2:

Dos equipos de fútbol, A y B, deben decidir si juegan un partido defensivo o un partido ofensivo en un importante partido. El resultado del partido se puede representar utilizando la siguiente matriz:

Cada número en la matriz representa los puntos que obtiene el equipo A y el equipo B respectivamente en cada escenario. ¿Cuál es la mejor estrategia para cada equipo?

Solución: Para determinar la mejor estrategia para cada equipo, podemos usar el concepto de equilibrio de Nash, que es una combinación de estrategias en la que ningún jugador tiene incentivos para cambiar su estrategia individualmente.

En este caso, observamos que si el equipo A elige jugar defensivamente y el equipo B elige jugar defensivamente, ambos equipos obtendrán 0 puntos. Si el equipo A elige jugar defensivamente y el equipo B elige jugar ofensivamente, el equipo A obtendrá -1 punto y el equipo B obtendrá 1 punto. Si el equipo A elige jugar ofensivamente y el equipo B elige jugar defensivamente, el equipo A obtendrá 1 punto y el equipo B obtendrá -1 punto. Finalmente, si ambos equipos eligen jugar ofensivamente, ambos equipos obtendrán 2 puntos.

Analizando estos resultados, podemos ver que la mejor estrategia para ambos equipos es jugar ofensivamente, ya que esto les proporciona la mayor cantidad de puntos.

Análisis detallado de redes y teoría de colas

El análisis de redes y la teoría de colas son métodos cuantitativos utilizados para analizar y optimizar sistemas en los que hay flujos y procesos que deben ser gestionados de manera eficiente. Estos métodos se aplican a una amplia variedad de situaciones, como la planificación de rutas de transporte, la gestión de inventarios, la programación de proyectos y el diseño de sistemas de servicio al cliente.

Ejercicio 1:

Un gerente de operaciones está analizando el rendimiento de su sistema de producción. El sistema consta de tres estaciones de trabajo, A, B y C, y el tiempo promedio que lleva completar una unidad en cada estación se muestra en la siguiente tabla:

Además, se sabe que la tasa de llegada de unidades al sistema es de 8 unidades por hora. ¿Cuál es el tiempo promedio de respuesta en el sistema?

Solución: El tiempo promedio de respuesta en el sistema se puede calcular utilizando la fórmula de Little, que establece que el tiempo promedio de respuesta es igual al tamaño promedio de la cola dividido por la tasa de llegada al sistema.

Primero, debemos calcular el tamaño promedio de la cola. El tamaño promedio de la cola se puede obtener restando la tasa de llegada al sistema de la tasa de procesamiento en cada estación. En este caso, la tasa de procesamiento en la estación A es de 1/4 unidades por minuto, en la estación B es de 1/6 unidades por minuto y en la estación C es de 1/5 unidades por minuto. Por lo tanto, el tamaño promedio de la cola es de (8/60) - (1/4) - (1/6) - (1/5) = 0.142 unidades.

A continuación, podemos calcular el tiempo promedio de respuesta utilizando la fórmula de Little. El tiempo promedio de respuesta en el sistema es igual al tamaño promedio de la cola dividido por la tasa de llegada al sistema. En este caso, el tiempo promedio de respuesta en el sistema es de 0.142 / (8/60) = 1.07 minutos.

Ejercicio 2:

Un centro de atención al cliente recibe llamadas de clientes a una tasa media de 5 llamadas por hora. El tiempo promedio de atención al cliente es de 10 minutos y el tiempo promedio entre llegadas de llamadas es de 12 minutos. ¿Cuál es el número promedio de clientes en el sistema?

Solución: Para determinar el número promedio de clientes en el sistema, podemos utilizar la fórmula de Erlang-C, que se utiliza para calcular la probabilidad de que todos los servidores estén ocupados y se genere una cola de espera.

En este caso, tenemos un único servidor, por lo que la fórmula de Erlang-C se simplifica. El número promedio de clientes en el sistema se puede calcular utilizando la fórmula:

Número promedio de clientes en el sistema = (Tasa de llegada al sistema / Tasa de atención al cliente) / (1 - Probabilidad de que todos los servidores estén ocupados)

La tasa de llegada al sistema es de 5 llamadas por hora y el tiempo promedio de atención al cliente es de 10 minutos, por lo que la tasa de atención al cliente es de 6 clientes por hora. La probabilidad de que todos los servidores estén ocupados se puede calcular utilizando la fórmula de Erlang-C.

Al resolver estos cálculos, encontramos que el número promedio de clientes en el sistema es de 4.8.

Enfoque en análisis de regresión y series temporales

El análisis de regresión y las series temporales son métodos cuantitativos utilizados para analizar y predecir datos basados en relaciones y patrones históricos. Estos métodos son especialmente útiles en la toma de decisiones empresariales, ya que permiten comprender las tendencias y patrones de los datos y utilizar esta información para la planificación y el pronóstico.

Ejercicio 1:

Un analista financiero está estudiando la relación entre las ventas de un producto y el gasto en publicidad. Recopiló datos sobre las ventas mensuales y el gasto en publicidad durante los últimos 12 meses, que se muestran en la siguiente tabla:

El analista quiere determinar cómo afecta el gasto en publicidad a las ventas y si existe una relación lineal significativa entre estas variables. Realiza un análisis de regresión y determina el coeficiente de correlación.

Solución: Para determinar cómo afecta el gasto en publicidad a las ventas y si existe una relación lineal significativa entre estas variables, podemos realizar un análisis de regresión lineal. En este análisis, la variable de respuesta (ventas) se considera dependiente de la variable independiente (gasto en publicidad).

Al realizar este análisis de regresión, encontramos que la ecuación de regresión es Y = 6412.5 + 2500X, donde Y representa las ventas y X representa el gasto en publicidad. Esto indica que por cada $1,000 de gasto en publicidad, se espera un aumento de $2,500 en las ventas.

Además, al calcular el coeficiente de correlación, encontramos que es 0.901, lo que indica una fuerte correlación positiva entre el gasto en publicidad y las ventas.

Ejercicio 2:

Un gerente de ventas está analizando las ventas mensuales de su empresa en los últimos 24 meses. Quiere predecir las ventas para el próximo año y utiliza un modelo de series temporales. Los datos de ventas mensuales se muestran en la siguiente tabla:

Utilizando un modelo de series temporales, el gerente obtiene una predicción de ventas para los próximos 12 meses:

Enero: $11,500
Febrero: $12,000
Marzo: $12,500
Abril: $12,000
Mayo: $11,500
Junio: $11,000
Julio: $10,500
Agosto: $12,000
Septiembre: $13,500
Octubre: $14,500
Noviembre: $14,000
Diciembre: $13,500

Ejemplos resueltos de varianza en la toma de decisiones

La varianza es una medida de dispersión que nos indica qué tan alejados están los datos de su valor promedio. En la toma de decisiones, la varianza juega un papel importante al evaluación de riesgos y la selección de las mejores alternativas. En este análisis, se busca minimizar la incertidumbre y maximizar la confiabilidad de las decisiones.

Ejercicio 1:

Un inversionista está analizando dos acciones diferentes para invertir su dinero: acción A y acción B. La acción A tiene un rendimiento promedio del 7% con una varianza del 9%, mientras que la acción B tiene un rendimiento promedio del 10% con una varianza del 25%. El inversionista quiere minimizar el riesgo de su inversión. ¿Cuál de las dos acciones debería seleccionar?

Solución: Para determinar qué acción debería seleccionar el inversionista, podemos calcular la desviación estándar de cada acción, que es la raíz cuadrada de la varianza. La desviación estándar nos indica qué tan dispersos están los datos alrededor del promedio.

La acción A tiene una varianza del 9%, por lo que su desviación estándar es √9 = 3%. La acción B tiene una varianza del 25%, por lo que su desviación estándar es √25 = 5%.

Al analizar estos resultados, podemos ver que la acción A tiene una menor desviación estándar, lo que indica un menor riesgo en comparación con la acción B. Por lo tanto, el inversionista debería seleccionar la acción A para minimizar el riesgo de su inversión.

Ejercicio 2:

Un gerente de proyectos está evaluando dos posibles proyectos para su empresa: proyecto A y proyecto B. Cada proyecto tiene un costo estimado y un rendimiento esperado, pero también existe incertidumbre en estos valores. El gerente quiere seleccionar el proyecto con la menor variabilidad en el rendimiento. Los datos proporcionados son los siguientes:

Proyecto A:
- Costo estimado: $100,000
- Rendimiento esperado: $150,000
- Desviación estándar del rendimiento: $20,000

Proyecto B:
- Costo estimado: $200,000
- Rendimiento esperado: $250,000
- Desviación estándar del rendimiento: $30,000

¿Cuál de los dos proyectos debería seleccionar el gerente?

Solución: Para determinar qué proyecto debería seleccionar el gerente, podemos comparar la variabilidad en el rendimiento de cada proyecto. La desviación estándar del rendimiento nos indica qué tan dispersos están los posibles resultados alrededor del rendimiento esperado.

En el proyecto A, la desviación estándar del rendimiento es de $20,000. En el proyecto B, la desviación estándar del rendimiento es de $30,000.

Al comparar estos resultados, podemos ver que el proyecto A tiene una menor variabilidad en el rendimiento en comparación con el proyecto B. Por lo tanto, el gerente debería seleccionar el proyecto A para minimizar la incertidumbre en los resultados.

Descubre otros contenidos relacionados con Ejercicios resueltos paso a paso de Métodos Cuantitativos dentro de la categoría Educación.